前列腺癌骨转移患者高强度训练干预研究

该数据集来自 clinicaltrials.gov,聚焦前列腺癌患者的高强度训练干预研究。干预组在丹麦 Herlev 医院接受为期 32 周、每周两次、每次 30 分钟的监督下 HIP 训练,前八周为自重和低冲击变式以适应器械和动作模式,后续进行硬拉、过顶推举和深蹲的抗阻训练,强度为 1RM 的 8

Copenhagen University Hospital at HerlevCopenhagen University Hospital at Herlev
clinicaltrials
浏览 11
其他预测Prostate Cancer
High Impact Training to Patients with Prostate Cancer and Bone Metastases

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-20

资源简介

前列腺癌骨转移患者高强度训练干预研究

该数据集来自 clinicaltrials.gov,聚焦前列腺癌患者的高强度训练干预研究。干预组在丹麦 Herlev 医院接受为期 32 周、每周两次、每次 30 分钟的监督下 HIP 训练,前八周为自重和低冲击变式以适应器械和动作模式,后续进行硬拉、过顶推举和深蹲的抗阻训练,强度为 1RM 的 80% 至 85%。研究在干预不同时间点采集血样和肿瘤活检,可用于分析运动干预对前列腺癌骨转移患者的生理与分子影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:前列腺癌。分配到干预组的参与者将在丹麦 Herlev 医院参加为期 32 周、每周两次、每次 30 分钟的监督下 HIP 训练项目。为确保安全过渡到高强度运动,干预的前八周包括自重和低冲击变式,重点在于熟悉重量训练设备并逐步学习 HIP 训练的动作模式。所有参与者应能在两个月内完成干预的四项基本练习。在剩余干预期间,抗阻练习(硬拉、过顶推举和深蹲)将以五组五次重复进行,强度维持在 1 次最大重复(RM)的 80% 至 85% 以上。将在运动干预的不同时间点采集血样和肿瘤活检。

【主题与分类】

主题标签:Prostate Cancer。本站分类:肿瘤/前列腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06259279

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06259279

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据说明

条件:前列腺癌。被分配到干预组的参与者将在丹麦赫勒夫医院参加为期32周、每周两次、每次30分钟、有监督的HIP项目。为确保安全过渡到高强度运动,干预的前八周包括自重和低冲击变式训练,重点在于熟悉负重训练设备的使用,并逐步学习HIP练习的动作模式。所有参与者应能在两个月内完成干预的四项基本练习。在剩余干预期间,抗阻练习(硬拉、过头推举和深蹲)将以五组五次的方式进行,强度维持在1次最大重复量(RM)的>80%至85%。将在运动干预(HIPimmune)的不同时间点采集血液样本和肿瘤活检样本,并分析淋巴细胞抗肿瘤反应。

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案